tensorflow 學習中的函式

第一部分來自官方minist資料集的例子 

簡單的函式操作能抽象化我們的**和思維 

在計算loss的時候，最常見的一句話就是tf.nn.softmax_cross_entropy_with_logits，那麼它到底是怎麼做的呢？

首先明確一點，loss是代價值，也就是我們要最小化的值

除去name引數用以指定該操作的name，與方法有關的一共兩個引數：

第乙個引數logits：就是神經網路最後一層的輸出，如果有batch的話，它的大小就是[batchsize，num_classes]，單樣本的話，大小就是num_classes

第二個引數labels：實際的標籤，大小同上

具體的執行流程大概分為兩步：

第一步是先對網路最後一層的輸出做乙個softmax，這一步通常是求取輸出屬於某一類的概率，對於單樣本而言，輸出就是乙個num_classes大小的向量（[y1，y2,y3...]其中y1，y2，y3...分別代表了是屬於該類的概率）

softmax的公式是：

至於為什麼是用的這個公式？這裡不介紹了，涉及到比較多的理論證明

第二步是softmax的輸出向量[y1，y2,y3...]和樣本的實際標籤做乙個交叉熵，公式如下：

其中

中，第i個元素的值

顯而易見，**

注意！！！這個函式的返回值並不是乙個數，而是乙個向量，如果要求交叉熵，我們要再做一步tf.reduce_sum操作,就是對向量裡面所有元素求和，最後才得到

import tensorflow as tf

#our nn's output
logits=tf.constant([[1.0,2.0,3.0],[1.0,2.0,3.0],[1.0,2.0,3.0]])
#step1:do softmax
y=tf.nn.softmax(logits)
#true label
y_=tf.constant([[0.0,0.0,1.0],[0.0,0.0,1.0],[0.0,0.0,1.0]])
#step2:do cross_entropy
cross_entropy = -tf.reduce_sum(y_*tf.log(y))
#do cross_entropy just one step
cross_entropy2=tf.reduce_sum(tf.nn.softmax_cross_entropy_with_logits(logits, y_))#dont forget tf.reduce_sum()!!
with tf.session() as sess:
softmax=sess.run(y)
c_e = sess.run(cross_entropy)
c_e2 = sess.run(cross_entropy2)
print("step1:softmax result=")
print(softmax)
print("step2:cross_entropy result=")
print(c_e)
print("function(softmax_cross_entropy_with_logits) result=")
print(c_e2)

step1:softmax result=

[[ 0.09003057 0.24472848 0.66524094]
[ 0.09003057 0.24472848 0.66524094]
[ 0.09003057 0.24472848 0.66524094]]
step2:cross_entropy result=
1.22282
function(softmax_cross_entropy_with_logits) result=
1.2228

tensorflow2 0學習筆記3 常用函式

筆記基於北大的tensorflow2.0教程，將課程的一些重要內容記下來，方便於學習。一 常用函式 強制資料型別轉換 tf.cast 張量名，dtype 資料型別 找張量最小值 tf.reduce min 張量名 找張量最大值 tf.reduce max 張量名 二維張量中，可以通過調整axis控制...

Tensorflow2 0學習筆記（2） 常用函式

對應元素的加減乘除 次方 print tf.square a 平方 a tf.ones 3 2 b tf.fill 2 3 1.print tf.matmul a,b tf.matmul 矩陣1，矩陣2 data tf.data.dataset.from tensor slices 輸入特徵，標籤 ...

tensorflow 學習 學習中

基於 virtualenv 的安裝 在 linux 上 sudo apt get install python pip python dev python virtualenv 在 mac 上 sudo easy install pip 如果還沒有安裝 pip sudo pip install up...